可解释物理信息检索增强生成语言模型(PIRAG-LM)用于无机晶体合成端到端规划

摘要

研究提出可解释的物理信息检索增强生成语言模型PIRAG-LM，用于无机晶体合成端到端规划。其构建的以材料为中心的结构化合成知识库（SSKB）收录13,820种实验合成无机晶体的路线级记录；模型按化学、结构和热力学相似性检索历史先例，再由结构化LLM推理模块提出路线、前驱体与条件，并评估热力学可行性、动力学和可及性。合成方法预测准确率达91.4%，优于单独LLM的72.1%，可泛化到知识截止后报道的材料；由于框架依靠检索而非参数记忆，扩展SSKB无需重训即可提升性能。在模型指导下，通过固相和溶液路线实验合成了BaMo0.3In0.7O2.95、BaNb0.4In0.6O2.9、Hg[B(CN)4]2、CoCo(CN)6和SrNb2Fe2(PO4)6五种新化合物。